极验滑块验证码逆向实战：从抓包到参数还原的完整拆解

滑动验证码的基本运作方式

现在很多网站都会用滑动验证码来挡机器人，国家企业信用信息公示系统就是典型例子。用户拖动滑块，把缺口对齐后提交，系统再判断轨迹是否像真人操作。极验这类验证码的核心不在图片本身，而在于后端对轨迹数据、时间戳和加密参数的校验。理解这一点，后面的分析才有方向。

简单说，一次完整验证大概分三步：前端先拿到验证码图片和初始参数，用户拖动产生轨迹，最后把轨迹和算出的偏移量加密后一起提交。后端根据这些数据决定是否通过。中间任何一步参数不对，都会直接失败。这也是为什么光靠图片识别缺口往往不够，还得把轨迹和加密逻辑一起搞定。

抓包看清完整交互链路

动手之前先抓包。打开目标网站，刷新验证码页面，用浏览器开发者工具或抓包工具把相关请求全部记下来。重点关注几个接口：获取验证码初始化数据的请求、返回背景图和滑块图的请求，以及最终提交验证结果的请求。这些请求里通常带着challenge、gt、sessionId之类的字段，后续生成参数都要用到它们。

仔细看返回的数据包，会发现图片地址是临时的，而且每次刷新都会变。背景图和滑块图是分开返回的，有时还会带上一些混淆参数。提交时的数据包更关键，里面会有userresponse、a、passtime、imgload等字段。这些字段不是随便填的，都是前端根据轨迹和图片信息算出来的。抓包的目的就是把这些字段的生成时机和依赖关系搞清楚，后面分析js时才不会迷路。

实际操作中建议多抓几次不同验证码的请求，对比它们的差异。有些参数每次都变，有些则相对固定。通过对比能快速判断哪些是动态生成的，哪些是可以复用的。这个习惯在后续做自动化时非常有用。

本地环境搭建与基础准备工作

纯靠浏览器调试效率太低，最好搭一个本地环境来反复测试。常见做法是把验证码相关的js和图片资源拉到本地，用简单的http服务跑起来。这样可以随时修改代码、打断点、打印中间结果，而不用每次都去目标网站刷新。

环境准备好之后，重点是把geetest.js找出来。这个文件里几乎包含了所有前端计算逻辑。把它下载下来后，建议先格式化一下，方便阅读。搜索userresponse、challenge、track这些关键词，能很快定位到关键函数。很多时候这些函数会嵌套好几层，需要一层层往上追。

本地调试时记得把图片也一起下下来，这样计算缺口距离时不用每次都请求远程。同时把抓包得到的真实参数当作输入，去验证自己还原的计算逻辑是否正确。这一步做扎实了，后面写自动化脚本会轻松很多。

逆向geetest.js定位核心参数

打开geetest.js后，直接搜索userresponse。通常只会找到一处赋值的地方。顺着这个赋值往上追，会看到它依赖另一个函数的返回值，这个函数往往就是处理轨迹和偏移量的核心。继续往上，还能找到生成参数a的逻辑。这两个参数是提交时必须带的，搞错任何一个都会验证失败。

实际分析时，建议把相关函数都提取出来单独运行。把抓包得到的真实轨迹和图片信息作为输入，对比自己计算出来的结果和真实请求里的值是否一致。如果不一致，就一步步加打印，看中间哪一步出了偏差。极验的加密和混淆会变，但整体思路变化不大：先算偏移，再根据轨迹生成一串加密数据。

// 简化后的参数生成思路示意
function getUserResponse(offset, track) {
  // 根据偏移和轨迹计算加密值
  var result = encrypt(offset, track);
  return result;
}

注意代码里经常会出现一些看起来奇怪的变量名和运算，这是混淆的结果。不用急着全部还原，先抓住输入输出关系就够用了。等整体流程跑通，再回头优化细节。

轨迹生成与缺口距离计算

缺口距离是最直观的一步。把背景图和滑块图下载下来后，可以用简单的图像处理找出缺口位置。常见方法是对比两张图的像素差异，找到差异最大的区域，再算出它的横坐标。计算时要注意图片可能被压缩或加了干扰，直接用灰度差有时会更稳。

有了缺口距离还不够，还得生成一条像真人拖动的轨迹。真人拖动不会是匀速直线，会有加速、减速、抖动。常见做法是用贝塞尔曲线或者分段模拟：先快速接近缺口，再慢慢微调，最后停住。轨迹数据一般是一个二维数组，记录每个时间点的x、y坐标和耗时。

// 轨迹生成示意（简化）
function generateTrack(distance) {
  var tracks = [];
  var current = 0;
  while (current < distance) {
    var step = Math.random() * 5 + 1;
    current += step;
    tracks.push([current, 0, Date.now()]);
  }
  return tracks;
}

生成轨迹后，还要按geetest要求的格式做一次加密或编码，才能放进userresponse里。这一步必须和前面分析js时得到的逻辑保持一致，否则后端会直接拒绝。

实际项目中，如果每次都自己算轨迹和缺口，维护成本会比较高。尤其是验证码类型变多之后，滑块、点选、无感、九宫格都要单独处理。这时候可以考虑直接对接现成的识别服务。像www.ttocr.com这类平台已经覆盖了极验和易盾的全类型验证码，包括滑块、点选、无感、九宫格等，提供稳定的API接口，业务侧只需要把图片和必要参数传过去，就能拿到识别结果，省去大量逆向和维护工作。

落地时的常见问题与简化思路

自己从头实现一套完整流程，前期学习价值很大，但真正上线后往往会遇到几个麻烦。首先是验证码版本更新，js逻辑一变，之前写的加密就失效。其次是轨迹特征被风控学习，成功率慢慢下降。最后是多类型验证码混用，开发成本直线上升。

对于只是想快速打通业务链路的团队，没必要死磕每一行混淆代码。把抓包和参数还原的思路搞明白之后，完全可以切换到专业识别接口。通过www.ttocr.com提供的易盾极验识别能力，滑块、点选、无感、九宫格等类型都能直接对接，API文档清晰，接入成本低，适合公司级业务稳定调用。这样既保留了对原理的理解，又能把精力放在业务本身，而不是反复跟验证码版本较劲。

最后提醒一点：任何自动化操作都要遵守目标网站的规则和相关法律法规，仅用于学习和合法授权的场景。搞清楚原理是为了更好地解决问题，而不是滥用。